Wyniki wyszukiwania - BazTech

1

Spatial-temporal heterogeneity and driving factors of water yield services in Citarum river basin unit, West Java, Indonesia

Nahib Irmadi, Ambarwulan Wiwin, Sutrisno Dewayany, Darmawan Mulyanto, Suwarno Yatin, Rahadiati Ati, Suryanta Jaka, Prihanto Yosef, Radiastuti Aninda W., Lumban-Gaol Yustisi

Archives of Environmental Protection

|

2023

|

Vol. 49, no 1

3--24

EN

Many countries, including Indonesia, face severe water scarcity and groundwater depletion. Monitoring and evaluation of water resources need to be done. In addition, it is also necessary to improve the method of calculating water, which was initially based on a biophysical approach, replaced by a socio-ecological approach. Water yields were estimated using the Integrated Valuation of Ecosystem Services and Trade-offs (InVEST) model. The Ordinary Least Square (OLS) and geographic weighted regression (GWR) methods were used to identify and analyze socio-ecological variables for changes in water yields. The purpose of this study was: (1) to analyze the spatial and temporal changes in water yield from 2000 to 2018 in the Citarum River Basin Unit (Citarum RBU) using the InVEST model, and (2) to identify socio-ecological variables as driving factors for changes in water yields using the OLS and GWR methods. The findings revealed the overall annual water yield decreased from 16.64 billion m3 year-1 in the year 2000 to 12.16 billion m3 year-1 in 2018; it was about 4.48 billion m3 (26.91%). The socio-ecological variables in water yields in the Citarum RBU show that climate and socio-economic characteristics contributed 6% and 44%, respectively. Land use/Land cover (LU/LC) and land configuration contribution fell by 20% and 40%, respectively.The main factors underlying the recent changes in water yields include average rainfall, pure dry agriculture, and bare land at 28.53%, 27.73%, and 15.08% for the biophysical model, while 30.28%, 23.77%, and 10.24% for the socio-ecological model, respectively. However, the social-ecological model demonstrated an increase in the contribution rate of climate and socio-economic factors and vice versa for the land use and landscape contribution rate. This circumstance demonstrates that the socio-ecological model is more comprehensive than the biophysical one for evaluating water scarcity.

2

Influence of Railroad Infrastructure on Residential Property Prices on the Example of Kórnik Municipality

Chwiałkowski Cyprian, Zydroń Adam

Rocznik Ochrona Środowiska

|

2022

|

Tom 24

54--73

EN

The study's primary objective was to analyse how railroad infrastructure affects residential property prices on the example of the municipality of Kórnik. The analysis includes 737 transactions, which were concluded in 2019-2021. Input data forming the basis of the study were obtained from the District Surveying and Cartographic Documentation Centre in Poznań. The most important part of the analyses conducted was performed using the Ordinary Least Squares (OLS) method and the Geographically Weighted Regression (GWR) method. The analysis helped to identify the attributes that had the most significant impact on price. The statistical tools showed that a railroad line in the vicinity of residential properties negatively affected transaction prices. A unique role in the study is also played by spatial analyses, whose priority is to increase transparency in describing phenomena occurring within the real estate market.

3

Wyznaczenie cech społeczeństwa wpływających na zaangażowanie w tworzenie VGI w Polsce

Marczak S.

Roczniki Geomatyki

|

2017

|

T. 15, z. 2(77)

233--248

PL

W ostatnich latach tworzenie obywatelskich (społecznościowych) danych przestrzennych przez użytkowników Internetu, niebędących profesjonalistami w tym zakresie, jest coraz bardziej popularne. Świadczy o tym również rosnąca liczba inicjatyw opartych o dane zbierane na zasadzie crowdsourcingu (ang. crowd – tłum, ang. sourcing – czerpanie). Przyczynia się to do wzrostu świadomości społecznej dotyczącej danych geoprzestrzennych. Celem artykułu było zbadanie jakie cechy społeczeństwa wpływają na zaangażowanie obywateli w tworzenie VGI (ang. volunteered geographic information) w Polsce. Do jego realizacji wykorzystano dane z projektu OpenStreetMap oraz dane charakteryzujące społeczeństwo pozyskane z Głównego Urzędu Statystycznego. Były to między innymi: poziom wykształcenia, miesięczne wynagrodzenie, współczynnik feminizacji. Pierwszym etapem było określenie stopnia korelacji między danymi opisującymi społeczeństwo a danymi pozyskanymi w projekcie OpenStreetMap w podziale na powiaty. Następnie dla najbardziej skorelowanych zmiennych ułożono modele regresji wielorakiej i regresji ważonej geograficznie (GWR), co pozwoliło na wyznaczenie tych cech społeczeństwa, które miały istotny wpływ na pozyskiwanie VGI w Polsce.

EN

In recent years, the creation of volunteered geographic information (VGI) by Internet users, who are not professionals in this area is becoming increasingly popular. There is also a growing number of initiatives based on the data collected on the basis of crowdsourcing. This contributes to increase of the public awareness of geospatial data. The aim of the paper was to examine what features of socjety affect the involvement of citizens in creating VGI in Poland. To achieve this objective, data from the OpenStreetMap project and society data obtained from the Central Statistical Office (this included level of education, monthly salary, the feminisation rate) were used. The first stage was to determine the degree of correlation between the data describing the society, and the OpenStreetMap data divided into districts. Then, for the most correlated variables multiple regression and geographically weighted regression (GWR) models were arranged, which allowed the determination of the characteristics of a society that had a significant effect on the acquisition of VGI in Poland.

4

Zastosowanie metody regresji ważonej geograficznie z wykorzystaniem danych emisyjnych do oceny przestrzennych rozkładów stężeń pyłu PM10 i NO2 w powietrzu w wybranym rejonie Polski

Kostrzewa J., Kobus D., Iwanek J.

Przemysł Chemiczny

|

2016

|

T. 95, nr 3

459--463

PL

Przedstawiono możliwości zastosowania metody regresji ważonej geograficznie (GWR) do oceny przestrzennych rozkładów stężeń zanieczyszczeń powietrza NO2 oraz pyłem PM10 na poziomie województwa. Wykorzystane do przeprowadzenia obliczeń dane zostały w całości udostępnione przez Wojewódzki Inspektorat Ochrony Środowiska w Łodzi. Otrzymane wyniki zostały porównane z wartościami rzeczywistymi oraz z wynikami obliczeń wg modelu dyspersji.

EN

Geog. weighted regression (GWR) method was used to evaluate the spatial distribution of air pollutant concns. at a regional level. The calcns. were carried out for NO2 and particulate matter 10 μm. The data sets were fully available from the voivodeship administration in Lodz. The GWR method calcd. concns. were higher than those calcd. by using a common dispersion model.

5

Analiza zależności pomiędzy ceną a lokalizacją nieruchomości na przykładzie Krakowa

Branna J, Madej K, Będkowski M, Serdeń M, Sosiński P, Luc M

Roczniki Geomatyki

|

2012

|

T. 10, z. 4

29--40

PL

W publikacji został zaprezentowany jeden aspekt szerokiego zagadnienia jakim jest analiza rynku nieruchomości, tj. zależność pomiędzy ceną nieruchomości a jej lokalizacją. W analizie posłużono się metodą regresji ważonej geograficznie, w której parametry mogą zostać oszacowane w dowolnym miejscu obszaru badań, a lokalizacja zmiennych zależnych i niezależnych jest znana. Dane brane pod uwagę w analizach dotyczyły charakterystyk nieruchomości oraz ich lokalizacji w stosunku do wybranych obiektów użyteczności publicznej i odległości od centrum miasta. Uzyskane wyniki zostały poddane wagowaniu. Przy oszacowywaniu parametrów utworzonego modelu dla danej lokalizacji założono, że obiekty, które znajdują się bliżej tej lokalizacji powinny przyjąć większą wagę w obliczeniach aniżeli te, które znajdują się w dalszej odległości. Wyniki analizy zestawiono z regresją liniową, która pomijała wspomniane zależności regresji ważonej geograficznie. Potwierdziły one założenie o występowaniu wpływu czynników przestrzennych na kształtowanie cen nieruchomości oraz określiły, które z nich są najważniejsze.

EN

The paper presents only one aspect of a broad issue of the real estate market analysis, that is the relationship between the price of the property and its location. The study used a geographically weighted regression. Parameters in this method can be estimated anywhere in the area of the research, and location of independent and dependent variables is known. The data taken into account in the analyses were related to the characteristics of the properties and their location in relation to certain public facilities as well as to the distance from the city center. The results have been weighted. When estimating the parameters established for a given location, it was assumed that the objects that are closer to this location should adopt a greater weight in the calculations than those that are further away. The analysis results were compared with the linear regression, which omitted those relationships of geographically weighted regression. The obtained results confirm the assumption of the existence of spatial factors that influence the property prices and determine which ones are the most important.

6

Zastosowanie krigingu reszt lokalnego modelu regresji do interpolacji przestrzennej średniej rocznej temperatury powietrza w Polsce

Szymanowski M., Kryza M.

Przegląd Geofizyczny

|

2012

|

Z. 1

75-84

PL

Podstawowym celem opracowania jest przedstawienie procedury przestrzennej interpolacji średniej rocznej temperatury powietrza w Polsce z wykorzystaniem krigingu reszt lokalnego modelu regresji (regresji ważonej geograficznie). Interpolacji przestrzennej dokonano na podstawie danych z roku 1996, obejmujących 250 stacji meteorologicznych z Polski i najbliższego sąsiedztwa. Dokonano porównania modeli regresji globalnej i lokalnej za pomocą szeregu miar statystycznych. Stwierdzono, że w związku z niestacjonarnością pola temperatury model lokalny jest lepiej dopasowany do danych pomiarowych niż globalny model regresji. Obydwa modele zostały rozszerzone o interpolację reszt regresji (kriging resztowy) i wykorzystane do wykonania map średniej rocznej temperatury powietrza. Wyniki interpolacji uzyskane czterema metodami zostały porównane za pomocą metody oceny krzyżowej. Stwierdzono, że rozszerzenie modeli regresji przez komponent geostatystyczny podnosi jakość interpolacji, głównie przez eliminację stref systematycznego przeszacownia/niedoszacowania. W związku z metodyczną poprawnością stosowania modelu lokalnego w warunkach niestacjonarności za najlepszą metodę w analizowanym przypadku uznano kriging reszt oparty na regresji ważonej geograficznie.

EN

The main aim of the paper is to perform the spatial interpolation of the annual mean air temperature in Poland using geographically weighted regression residual kriging. The interpolation has been done for a set of data for year 1996, covering 250 meteorological stations from Poland and its surroundings. Global and local regression models have been compared using various statistics. It has been stated that local model approach is better suited for spatial modeling of air temperature than the global one, as it takes into account non-stationarity of the spatial process. Both models have been extended by the interpolation of regression residuals, and used for mapping air temperature field, and the interpolation results have been evaluated with the cross-validation (CV) approach. The incorporation of the spatially interpolated residuals leads to significant improvement of the results, especially by eliminating the zones of systematic over- or underestimations. Because local regression is better justified in terms of statistical specification, the residual kriging based on geographically weighted regression is recommended for spatial modeling of annual mean air temperature, instead of widely applied global regression based residual kriging models.

7

Zastosowanie regresji ważonej geograficznie do modelowania miejskiej wyspy ciepła we Wrocławiu

Szymanowski M., Kryza M.

Archiwum Fotogrametrii, Kartografii i Teledetekcji

|

2009

|

Vol. 20

407--419

PL

Artykuł prezentuje zastosowanie regresji ważonej geograficznie (GWR) do interpolacji przestrzennej temperatury powietrza w warunkach wystąpienia miejskiej wyspy ciepła (UHI) we Wrocławiu. Rezultaty interpolacji GWR porównano z uzyskanymi za pomocą innych metod: regresji wieloczynnikowej (MLR) – model globalny, i krigingu resztowego dla obydwu modeli regresyjnych (odpowiednio: RK i GWRK). Dane wejściowe stanowiły pomiary temperatury powietrza w 206 nieregularnie rozmieszczonych punktach oraz warstwy dodatkowych zmiennych objaśniających, utworzone głównie na podstawie mapy pokrycia terenu i zdjęć satelitarnych (Landsat TM). Walidację interpolacji przeprowadzono metodą oceny krzyżowej (CV), analizując miary diagnostyczne (BIAS, MAE, RMSE) i rozkład przestrzenny błędów CV. Porównanie rezultatów modeli regresyjnych wskazało zasadność zastosowania GWR w przypadku niestacjonarnego procesu przestrzennego (UHI). Kalibrację modelu lokalnego przeprowadzono w zmiennej macierzy sąsiedztwa (tzw. kernelu) z uwzględnieniem zachowania możliwości fizycznej interpretacji procesu. Kriging reszt, przeprowadzony dla lokalnego i globalnego modelu regresji poprawił jakość interpolacji. Za optymalną w analizowanych przypadkach UHI metodę interpolacji uznano kriging resztowy dla regresji ważonej geograficznie (GWRK).

EN

Implementation of geographically weighted regression (GWR) for urban heat island (UHI) modelling in Wrocław is presented. The results of spatial interpolation using 4 methods are evaluated and compared. The methods are: multiple linear regression (MLR) – global model, GWR – local model and residual kriging for both regression techniques (RK and GWRK). The analysis was performed based on 2 examples of UHI. Air temperature data were gathered in 206 irregularly distributed points. Additional explanatory variables were developed based mainly on the land-use map and Landsat TM images. The cross-validation (CV) technique was used to compare results obtained with the different algorithms together with the evaluation of errors (BIAS, MAE, RMSE) and their spatial distribution. The results confirmed the usefulness of GWR in the case of non-stationarity of the spatial process. Calibration of the local models was performed using adaptive kernel, taking into account the possibility of physical interpretation of the model. Kriging of MLR and GWR residuals significantly improved the spatial interpolation results in terms of cross-validation errors. The most accurate results of the UHI spatialization were obtained with the GWRK techniquedr.